Generative Engine Optimization (GEO)

Üretken Motor Optimizasyonu (GEO), üretken motorların, getirilmiş kaynaklardan yanıt yazarak sorguları yanıtlayan üretken yapay zekâ sistemlerinin, web içeriğini seçmesini, doğru alıntılamasını ve kaynak göstermesini sağlamak için içeriği biçimlendirme pratiğidir. Princeton Üniversitesi ve ortak kurumlardan Pranjal Aggarwal ve çalışma arkadaşları, Bing Chat, Google'ın Search Generative Experience'ı ve Perplexity aramaları doğrudan yanıtlamaya başladıktan sonra, terimi Kasım 2023 tarihli GEO: Generative Engine Optimization makalelerinde ortaya attı; makale KDD 2024'te yayımlandı. ChatGPT arama (Ekim 2024) ve Google'ın AI Overviews'ı (Mayıs 2024) o zamandan beri üretilmiş yanıtları yüz milyonlarca arama kullanıcısının önüne koydu; derin araştırma araçları da tek bir rapor için onlarca sayfayı okuyup kaynak gösteriyor. Üretilmiş bir yanıtta yükselmek için sıralanmış bir liste yoktur; bu nedenle görünürlük, yanıtın ne kadarının bir kaynaktan geldiği ve kaynağın ne kadar belirgin biçimde gösterildiği anlamına gelir.

Üretken Motorlar Kaynakları Nasıl Seçer#

Üretken motor, web ölçeğinde getirme destekli üretim (RAG) üzerine kurulmuş, açık alanlı bir soru yanıtlama sistemidir. Kullanıcının sorusunu, Google'ın AI Mode'da sorgu yayılımı dediği bir adımla bir veya daha fazla arama sorgusuna dönüştürür, dizinindeki aday sayfaları getirir, her alt soruyu yanıtlayan bölümleri seçmek için anlamsal arama ve bir yeniden sıralayıcı kullanır ve bu bölümlerden alıntılarla yanıtı bir büyük dil modeline (LLM) yazdırır. Her aşama, bir sayfanın geçmesi gereken bir kapıdır:

Yanıtı getirilen bölümlere dayandırmak, motorların halüsinasyonları azaltma yöntemidir; bu nedenle sayılar, tarihler ve kaynaklarla gerçekleri açıkça belirten içerik, çarpıtılmadan alıntılanmaya daha elverişlidir.

GEO Makalesinin Bulguları#

Aggarwal ve çalışma arkadaşları, birçok alandaki dokuz veri kümesinden alınan yaklaşık 10.000 sorguyla GEO-bench'i oluşturdu ve görünürlüğü iki yöntemle ölçtü: bir yanıtın kaynaktan aldığı sözcükleri alıntının konumuna göre ağırlıklandıran, konuma göre ayarlanmış sözcük sayısı ve bir LLM'nin değerlendirdiği öznel izlenim puanı. Kaynak sayfaları dokuz yöntemle yeniden yazdılar ve güvenilir kaynaklara alıntı eklemenin, alıntılar eklemenin ve istatistikler eklemenin görünürlüğü yüzde 40'a kadar artırdığını; klasik bir arama taktiği olan anahtar kelime doldurmanın ise çok az fayda sağladığını veya hiç fayda sağlamadığını buldular. Geleneksel aramada daha alt sıralarda yer alan sayfalar en çok kazanç elde etti. Perplexity'de alıntı eklemek, konuma göre ayarlanmış sözcük sayısını yaklaşık yüzde 22; istatistik eklemekse öznel izlenim puanını yüzde 37'ye kadar artırdı.

GEO ve SEO ile İlgili Terimler#

SEO ve GEO aynı temelleri paylaşır: taranabilir sayfalar, açık yapı ve faydalı içerik. GEO, "bu sayfa sıralamada yer alıyor mu?" sorusuna ikinci bir soru ekler: "bir yanıt bu sayfadan alıntı yapıyor mu ve doğru alıntılıyor mu?" Yanıt motoru optimizasyonu (AEO), yapay zekâ araması optimizasyonu ve LLM optimizasyonu (LLMO), günümüzde eş anlamlı olarak kullanılır. İstem mühendisliği, bir kişinin modele gönderdiği talimatları şekillendirir; GEO bunları göremez. RAG mühendisliği ise motorun içindeki getiriciyi ve üreticiyi oluşturur; GEO bunları bir kara kutu olarak ele alır.

Teknik Erişim#

Tarayıcı kuralları ilk kapıyı belirler. Yapay zekâ şirketleri model eğitimi ve arama için ayrı tarayıcılar çalıştırır; bu nedenle bir site birinden çıkıp diğerinde kalabilir. OpenAI bunun için iki tarayıcı çalıştırır: eğitim verilerini toplayan GPTBot ve ChatGPT araması için sayfaları dizine ekleyen OAI-SearchBot. Google-Extended, Google'ın aynı robots.txt dosyasından okuduğu bir denetim belirtecidir: Googlebot, Arama ve AI Overviews için sayfayı getirmeye devam eder; Google-Extended için bir Disallow, sayfanın Gemini eğitimi ve dayanaklandırmasında kullanılmasını engeller. Python'ın standart kitaplığı, bu aracıların yaptığı gibi bir robots.txt politikasını okuyabilir:

from urllib.robotparser import RobotFileParser

# Opt out of model training while staying fetchable for AI search and classic search
robots_txt = """
User-agent: GPTBot
Disallow: /

User-agent: Google-Extended
Disallow: /

User-agent: *
Allow: /
"""
parser = RobotFileParser()
parser.parse(robots_txt.splitlines())

for agent in ["GPTBot", "OAI-SearchBot", "Google-Extended", "Googlebot"]:
    allowed = parser.can_fetch(agent, "/glossary/generative-engine-optimization-geo")
    print(f"{agent}: {'allowed' if allowed else 'blocked'}")

Çıktıda GPTBot: blocked, OAI-SearchBot: allowed, Google-Extended: blocked ve Googlebot: allowed gösterilir; böylece sayfa ChatGPT araması, Google Arama ve AI Overviews için uygun kalırken OpenAI ve Gemini eğitim verilerinin dışında kalır. Tarayıcı kurallarının yanı sıra sayfaların oturum açmadan yüklenmesi, bir XML site haritasında yer alması ve genellikle JSON-LD biçiminde yazılan doğru Schema.org yapılandırılmış verilerini (ör. makaleler, ürünler ve yazılımlar için) içermesi gerekir. Ultralytics Platform üzerindeki bilgisayarlı görü veri kümeleri ve projeleri için de aynı erişim kuralı geçerlidir: herkese açık olanlar, oturum açmış olsun ya da olmasın her ziyaretçi için temiz URL'lerde açılır; böylece arama tarayıcıları ve yapay zekâ asistanları bunları getirebilir. Özel olanlar ise oturum açma arkasında kalır.

GEO'yu Ölçme#

Üretilen yanıtlar ifade biçimine, getirme dizinine ve model sürümüne göre değişir; bu nedenle ekipler zaman içinde sabit bir temsilî soru kümesini izler, her motorun hangi sayfalardan ne sıklıkta alıntı yaptığını ve yanıtın bu sayfaları doğru temsil edip etmediğini kaydeder. Asistanlardan gelen yönlendirme trafiği, analizlerde chatgpt.com ve perplexity.ai gibi alan adlarından gelen ziyaretler olarak görünür. Arama motorları alıntıları doğrudan raporlamaya başladı: Şubat 2026'da herkese açık önizlemede yayımlanan Bing Webmaster Tools AI Performance raporu, Microsoft Copilot ve Bing AI yanıtlarında her sayfadan ne sıklıkta alıntı yapıldığını ve sayfayı getiren dayanak sorgularını gösterir.